 Uji Normalitas Untuk Faktor Merk

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
MERK Statistic df Sig. Statistic df Sig.
Data A .244 9 .129 .854 9 .083
B .188 9 .200* .934 9 .516
C .276 9 .046 .841 9 .059
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Uji Normalitas MERK A

 Hipotesis 
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,089
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,089 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,083 > α = 0,05 maka dapat disimpulkan bahwa MERK A datanya
berdistribusi normal
Uji Normalitas MERK B
 Hipotesis 
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,516
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,516 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,516 > α = 0,05 maka dapat disimpulkan bahwa MERK B datanya
berdistribusi normal
Uji Normalitas MERK C
 Hipotesis  H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
  Statistik Uji  Pvalue = 0,059
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,059 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,059 > α = 0,05 maka dapat disimpulkan bahwa MERK C datanya
berdistribusi normal.

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.
Data Based on Mean 3.964 2 24 .033
Based on Median 1.154 2 24 .332
Based on Median and with 1.154 2 18.260 .337
adjusted df
Based on trimmed mean 3.587 2 24 .043

 Uji Kesamaan Variansi Faktor Merk

 Hipotesis  H0 : σ12 = σ22 = σ32
H1 : Paling tidak ada 1 σi2 yang tidak sama , i = 1,2,3
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,033(based on mean) dan 0,332 (based on
median)
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue based on mean = 0,033 < α = 0,05 maka
kita melihat pvalue based on median = 0,332 . Ternyata nilai tersebut > 0,05 maka H0
tidak ditolak sehingga dapat disimpulkan bahwa semua kelas variansinya sama.

Interpretasi : Selanjutnya asumsi kedua adalah kesamaan variansi. Untuk uji kesamaan
variansi ini kita menggunakan H0 : semua kelas variansinya sama. Dan daerah kritik
yaitu H0 tersebut ditolak jika pvalue < tingkat signifikansi. Tingkat signifikansi yang
kita gunakan disini adalah α = 0,05 dan ternyata didapat pvalue = 0,332 > α = 0,05
sehingga variansinya sama semua kelas.

Uji Normalitas Untuk Faktor Dosis

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
DOSIS Statistic df Sig. Statistic df Sig.
Data RINGAN .172 9 .200* .915 9 .352
SEDANG .195 9 .200* .917 9 .369
BERAT .183 9 .200* .922 9 .411
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Uji Normalitas DOSIS RINGAN
 Hipotesis 
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,352
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,352 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,352 > α = 0,05 maka dapat disimpulkan bahwa DOSIS RINGAN
datanya berdistribusi normal
Uji Normalitas DOSIS SEDANG
 Hipotesis 
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,369
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,369 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,369 > α = 0,05 maka dapat disimpulkan bahwa DOSIS SEDANG
datanya berdistribusi normal
Uji Normalitas DOSIS BERAT
 Hipotesis 
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,411
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,411 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,411 > α = 0,05 maka dapat disimpulkan bahwa DOSIS BERAT
datanya berdistribusi normal
 Test of Homogeneity of Variance
Levene Statistic df1 df2 Sig.
Data Based on Mean 1.027 2 24 .373
Based on Median .646 2 24 .533
Based on Median and with .646 2 21.531 .534
adjusted df
Based on trimmed mean .993 2 24 .385

 Uji Kesamaan Variansi FAKTOR DOSIS

 Hipotesis  H0 : σ12 = σ22 = σ32
H1 : Paling tidak ada 1 σi2 yang tidak sama , i = 1,2,3
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,373(based on mean) dan 0,533 (based on
median)
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue based on mean = 0,373> α = 0,05 dapat
disimpulkan bahwa semua kelas variansinya sama

Interpretasi : Selanjutnya asumsi kedua adalah kesamaan variansi. Untuk uji kesamaan
variansi ini kita menggunakan H0 : semua kelas variansinya sama. Dan daerah kritik
yaitu H0 tersebut ditolak jika pvalue < tingkat signifikansi. Tingkat signifikansi yang
kita gunakan disini adalah α = 0,05 dan ternyata didapat pvalue = 0,373 > α = 0,05
sehingga variansinya sama semua kelas.
Asumsi terpenuhi karena baik factor Merk maupun Dosis semua kelasnya berdistribusi
normal dan variansi antar kelas sama. Maka kita lanjutkan ke analisis variansi 2 arah

 ANALISIS VARIANSI 2 ARAH

Tests of Between-Subjects Effects

Dependent Variable: Data
Type III Sum of
Source Squares df Mean Square F Sig.
Corrected Model 6990.000a 8 873.750 92.153 .000
Intercept 52008.333 1 52008.333 5485.254 .000
MERK 89.556 2 44.778 4.723 .022
DOSIS 6056.000 2 3028.000 319.359 .000
MERK * DOSIS 844.444 4 211.111 22.266 .000
Error 170.667 18 9.481
Total 59169.000 27
Corrected Total 7160.667 26
a. R Squared = .976 (Adjusted R Squared = .966)

 UJI INTERAKSI

 Hipotesis  H0 : Tidak ada interaksi antara factor Merk dan Dosis

H1 : Terdapat interaksi antara factor Merk dan Dosis
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,000
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue based on mean = 0,000 < α = 0,05 dapat
disimpulkan bahwa H0 ditolak sehingga terdapat interaksi antara factor merk dan dosis
Interptretasi : Langkah pertama yang kita lakukan dalam analisis variansi 2 arah adalah menguji
apakah ada interaksi antara kedua factor, disini kita mengambil H0 tidak ada interaksi antara
factor merk dan dosis. Didapat pvalue = 0,000 pada tingkat signifikansi 5% sehingga H0
ditolak dan dapat disimpulkan bahwa terdapat interaksi antara factor merk dan dosis.
Karena terdapat interaksi antara kedua factor maka kita tidak bisa melanjutkan ke uji
efek factor merk dan dosis
Nomor 2
 UJI NORMALITAS FAKTOR MOBIL

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Mobil Statistic df Sig. Statistic df Sig.
data 1.00 .206 8 .200* .916 8 .395
2.00 .230 8 .200* .869 8 .147
3.00 .167 8 .200* .903 8 .306
4.00 .190 8 .200* .905 8 .319
5.00 .198 8 .200* .907 8 .336
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Uji Normalitas Mobil 1

 Hipotesis 
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,395
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,395 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,395 > α = 0,05 maka dapat disimpulkan bahwa mobil 1 datanya
berdistribusi normal
Uji Normalitas Mobil 2
 Hipotesis 
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,147
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,147 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,147 > α = 0,05 maka dapat disimpulkan bahwa mobil 2 datanya
berdistribusi normal
Uji Normalitas Mobil 3
 Hipotesis  H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,306
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,306 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,306 > α = 0,05 maka dapat disimpulkan bahwa mobil datanya
berdistribusi normal
Uji Normalitas Mobil 4
 Hipotesis  H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,319
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,319 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,319 > α = 0,05 maka dapat disimpulkan bahwa mobil 4 datanya
berdistribusi normal
Uji Normalitas Mobil 5
 Hipotesis  H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,336
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,336 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,336 > α = 0,05 maka dapat disimpulkan bahwa mobil 5 datanya
berdistribusi normal

Test of Homogeneity of Variance

 Levene Statistic df1 df2 Sig.
data Based on Mean .034 4 35 .998
Based on Median .033 4 35 .998
Based on Median and with .033 4 34.591 .998
adjusted df
Based on trimmed mean .036 4 35 .997
 Uji Kesamaan Variansi FAKTOR MOBIL
 Hipotesis  H0 : σ12 = σ22 = σ32= σ42= σ52
H1 : Paling tidak ada 1 σi2 yang tidak sama , i =
1,2,3,4,5
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,998(based on mean) dan 0,998 (based on
median)
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue based on mean = 0,998> α = 0,05 dapat
disimpulkan bahwa semua kelas variansinya sama

Interpretasi : Selanjutnya asumsi kedua adalah kesamaan variansi. Untuk uji kesamaan
variansi ini kita menggunakan H0 : semua kelas variansinya sama. Dan daerah kritik
yaitu H0 tersebut ditolak jika pvalue < tingkat signifikansi. Tingkat signifikansi yang
kita gunakan disini adalah α = 0,05 dan ternyata didapat pvalue = 0,998 > α = 0,05
sehingga variansinya sama semua kelas.

 UJI NORMALITAS FAKTOR PENGEMUDI

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Pengemudi Statistic df Sig. Statistic df Sig.
data 1.00 .214 10 .200* .919 10 .351
2.00 .156 10 .200* .942 10 .578
3.00 .116 10 .200* .944 10 .595
4.00 .136 10 .200* .946 10 .620
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Uji Normalitas Pengemudi 1

 Hipotesis 
H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,351
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,351 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,351 > α = 0,05 maka dapat disimpulkan bahwa pengemudi datanya
berdistribusi normal
Uji Normalitas Pengemudi 2
 Hipotesis  H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,578
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,578 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,578 > α = 0,05 maka dapat disimpulkan bahwa pengemudi 2
datanya berdistribusi normal
Uji Normalitas Pengemudi 3
 Hipotesis  H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,595
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,595 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,595 > α = 0,05 maka dapat disimpulkan bahwa pengemudi 3
datanya berdistribusi normal
Uji Normalitas Pengemudi 4
 Hipotesis  H0 : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,620
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,620 > α = 0,05 maka H0 tidak
ditolak sehingga dapat disimpulkan bahwa data berdistribusi normal
Interpretasi : Uji asumsi pertama yang dilakukan sebelum anova adalah uji normalitas per level
faktor, kita mengambil H0 data berdistribusi normal dan daerah kritik H0 tersebut ditolak jika
pvalue < tingkat signifikansi. Tingkat signifikansi yang kita gunakan disini adalah α = 0,05 dan
ternyata didapat pvalue = 0,620 > α = 0,05 maka dapat disimpulkan bahwa pengemudi 4
datanya berdistribusi normal

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.
data Based on Mean .324 3 36 .808
Based on Median .271 3 36 .846
Based on Median and with .271 3 34.711 .846
adjusted df
Based on trimmed mean .331 3 36 .803

 Uji Kesamaan Variansi FAKTOR Pengemudi

 Hipotesis  H0 : σ12 = σ22 = σ32= σ42
H1 : Paling tidak ada 1 σi2 yang tidak sama , i = 1,2,3,4
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,808(based on mean) dan 0,808 (based on
median)
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue based on mean = 0,808> α = 0,05 dapat
disimpulkan bahwa semua kelas variansinya sama

Interpretasi : Selanjutnya asumsi kedua adalah kesamaan variansi. Untuk uji kesamaan
variansi ini kita menggunakan H0 : semua kelas variansinya sama. Dan daerah kritik
yaitu H0 tersebut ditolak jika pvalue < tingkat signifikansi. Tingkat signifikansi yang
kita gunakan disini adalah α = 0,05 dan ternyata didapat pvalue = 0,808 > α = 0,05
sehingga variansinya sama semua kelas.
Asumsi terpenuhi karena baik factor Mobik maupun Pengemudi semua kelasnya
berdistribusi normal dan variansi antar kelas sama. Maka kita lanjutkan ke analisis
variansi 2 arah
ANAVA 2 ARAH MODEL EFEK RANDOM
Tests of Between-Subjects Effects
Dependent Variable: data
Type III Sum of
Source Squares df Mean Square F Sig.
Intercept Hypothesis 36114.090 1 36114.090 308.924 .000
Error 523.848 4.481 116.903a
Mobil Hypothesis 94.714 4 23.678 116.142 .000
Error 2.447 12 .204b
Pengemudi Hypothesis 280.285 3 93.428 458.262 .000
Error 2.447 12 .204b
Mobil * Pengemudi Hypothesis 2.447 12 .204 1.160 .371
Error 3.515 20 .176c
a. MS(Mobil) + MS(Pengemudi) - MS(Mobil * Pengemudi)
b. MS(Mobil * Pengemudi)
c. MS(Error)

 UJI INTERAKSI

 Hipotesis  H0 : Tidak ada interaksi antara factor Mobil &

Pengemud
H1 : Terdapat interaksi antara factor Mobil &
Pengemudi
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,371
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,371 > α = 0,05 dapat disimpulkan
bahwa H0 tidak ditolak sehingga tidak terdapat interaksi antara factor Mobil &
Pengemudi
Interptretasi : Langkah pertama yang kita lakukan dalam analisis variansi 2 arah adalah
menguji apakah ada interaksi antara kedua factor, disini kita mengambil H0 tidak ada
interaksi antara factor merk dan dosis. Didapat pvalue = 0,371 pada tingkat signifikansi 5%
sehingga H0 tidak ditolak dan dapat disimpulkan bahwa tidak terdapat interaksi antara factor
Mobil & Pengemudi

 UJI EFEK FAKTOR MOBIL

 Hipotesis  H0 : Faktor mobil tidak berpengaruh terhadap bensin

H1 : Faktor mobil berpengaruh terhadap bensin
 Tingkat Signifikansi  α = 0,05
  Statistik Uji  Pvalue = 0,000
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,000 < α = 0,05 dapat disimpulkan
bahwa H0 ditolak sehingga factor mobil berpengaruh terhadap bensin
Interptretasi Kemudian kita ingin mengetahui salah satu factor apakah berpengaruh terhadap
penggunaan bensin. Untuk itu kita melakukan uji efek factor dengan mengambil hipotesis
awalnya yaitu factor mobil tidak berpengaruh terhadap bensin. Didapat pvalue = 0,000 pada
tingkat signifikansi 5% sehingga H0 tidak ditolak dan dapat disimpulkan bahwa factor mobil
berpengaruh terhadap penggunaan bensin

 UJI EFEK FAKTOR PENGEMUDI

 Hipotesis  H0 : Faktor Pengemudi tidak berpengaruh terhadap

bensin
H1 : Faktor Pengemudi berpengaruh terhadap bensin
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,000
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,000 < α = 0,05 dapat disimpulkan
bahwa H0 ditolak sehingga factor mobil berpengaruh terhadap bensin
Interptretasi Kemudian kita ingin mengetahui salah satu factor apakah berpengaruh terhadap
penggunaan bensin. Untuk itu kita melakukan uji efek factor dengan mengambil hipotesis
awalnya yaitu factor mobil tidak berpengaruh terhadap bensin. Didapat pvalue = 0,000 pada
tingkat signifikansi 5% sehingga H0 tidak ditolak dan dapat disimpulkan bahwa factor mobil
berpengaruh terhadap penggunaan bensin
Walaupun untuk kedua factor menunjukkan adanya pengaruh yang signifikan terhadap bensin
tapi untuk model efek random tidak dapat dilakukan MCA sebagai analisis lebih lanjut
ANAVA 2 ARAH MODEL EFEK CAMPURAN
Mobil sebagai fixed factor dan pengemudi sebagai random factor
Tests of Between-Subjects Effects
Dependent Variable: data
Type III Sum of
Source Squares df Mean Square F Sig.
Intercept Hypothesis 36114.090 1 36114.090 386.544 .000
Error 280.285 3 93.428a
Mobil Hypothesis 94.714 4 23.678 116.142 .000
Error 2.447 12 .204b
Pengemudi Hypothesis 280.285 3 93.428 458.262 .000
Error 2.447 12 .204b
Mobil * Pengemudi Hypothesis 2.447 12 .204 1.160 .371
Error 3.515 20 .176c
a. MS(Pengemudi)
b. MS(Mobil * Pengemudi)
c. MS(Error)

 UJI INTERAKSI

 Hipotesis  H0 : Tidak ada interaksi antara factor Mobil &

Pengemudi
H1 : Terdapat interaksi antara factor Mobil &
Pengemudi
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,371
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,371 > α = 0,05 dapat disimpulkan
bahwa H0 tidak ditolak sehingga tidak terdapat interaksi antara factor Mobil &
Pengemudi
Interptretasi : Langkah pertama yang kita lakukan dalam analisis variansi 2 arah adalah
menguji apakah ada interaksi antara kedua factor, disini kita mengambil H0 tidak ada
interaksi antara factor merk dan dosis. Didapat pvalue = 0,371 pada tingkat signifikansi 5%
sehingga H0 tidak ditolak dan dapat disimpulkan bahwa tidak terdapat interaksi antara factor
Mobil & Pengemudi

 UJI EFEK FAKTOR MOBIL

 Hipotesis  H0 : Faktor mobil tidak berpengaruh terhadap bensin

H1 : Faktor mobil berpengaruh terhadap bensin
 Tingkat Signifikansi  α = 0,05
  Statistik Uji  Pvalue = 0,000
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,000 < α = 0,05 dapat disimpulkan
bahwa H0 ditolak sehingga factor mobil berpengaruh terhadap bensin
Interptretasi Kemudian kita ingin mengetahui salah satu factor apakah berpengaruh terhadap
penggunaan bensin. Untuk itu kita melakukan uji efek factor dengan mengambil hipotesis
awalnya yaitu factor mobil tidak berpengaruh terhadap bensin. Didapat pvalue = 0,000 pada
tingkat signifikansi 5% sehingga H0 tidak ditolak dan dapat disimpulkan bahwa factor mobil
berpengaruh terhadap penggunaan bensin

 UJI EFEK FAKTOR PENGEMUDI

 Hipotesis  H0 : Faktor Pengemudi tidak berpengaruh terhadap

bensin
H1 : Faktor Pengemudi berpengaruh terhadap bensin
 Tingkat Signifikansi  α = 0,05
 Statistik Uji  Pvalue = 0,000
 Daerah Kritik  H0 ditolak jika Pvalue < α = 0,05
 Kesimpulan  Karena Pvalue = 0,000 < α = 0,05 dapat disimpulkan
bahwa H0 ditolak sehingga factor mobil berpengaruh terhadap bensin
Interptretasi : Kemudian kita ingin mengetahui salah satu factor apakah berpengaruh terhadap
penggunaan bensin. Untuk itu kita melakukan uji efek factor dengan mengambil hipotesis
awalnya yaitu factor mobil tidak berpengaruh terhadap bensin. Didapat pvalue = 0,000 pada
tingkat signifikansi 5% sehingga H0 tidak ditolak dan dapat disimpulkan bahwa factor mobil
berpengaruh terhadap penggunaan bensin
Karena terdapat kesimpulan yang menyatakan bahwa kedua factor berpengaruh secara
signifikan terhadap penggunaan bensin untuk factor pengemudi merupakan factor random
maka kita tidak melakukan MCA untuk factor tersebut namun sebaliknya untuk factor mobil
karena merupakan fixed factor maka kita perlu melakukan uji MCA untuk melihat mobil mana
yang paling irit atau boros penggunaan bensinnya

data
Duncana,b
Subset
Mobil N 1 2 3 4 5
3.00 8 27.9125
1.00 8 28.9625
5.00 8 29.9500
4.00 8 31.1625
2.00 8 32.2500
Sig. 1.000 1.000 1.000 1.000 1.000
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean Square(Error) = .176.
a. Uses Harmonic Mean Sample Size = 8.000.
b. Alpha = 0.05.

Interpretasi :
Output diatas menunjukkan bahwa semua jenis mobil memiliki perbedaan rata-rata
penggunaan bensin secara signifikan satu sama lain, mobil yang paling irit adalah mobil jenis
3 dengan rata-rata penggunaan bensin 27,1925 galon untuk setiap milnya. Kemudian berturut
turut adalah mobil jenis 1, 5, 4, dengan rata-rata penggunaan bensin 28,9625 ; 29,9500 ;
31,1625 galon permilnya kemudian ada mobil jenis 2 yang paling boros dengan 32,3500 galon
bensin untuk menempuh jarak 1 milnya.